检索结果-内蒙古大学图书馆

智能城市 2023年第4期9卷 13-15页

作者：许晓栋向旭宇中南林业科技大学计算机与信息工程学院湖南长沙410000

文章依照文献对比法和理论分析法,首先论述粮食仓库的智能化,提出仓储智能化建设的主要内容以及智能出入库管理系统的分析、监控系统等。结合技术背景,明确了信息智能化仓储建设优势,基于传感、通信、计算机、射频识别等技术,研究信息... 详细信息

文章依照文献对比法和理论分析法,首先论述粮食仓库的智能化,提出仓储智能化建设的主要内容以及智能出入库管理系统的分析、监控系统等。结合技术背景,明确了信息智能化仓储建设优势,基于传感、通信、计算机、射频识别等技术,研究信息化在仓储过程中的应用,能够有效保障实现粮油仓储业务自动化、信息化和智能化管理的实现,为信息化技术在工业中的应用提供参考。

关键词：信息智能化智能仓储粮仓管理

来源：评论

学校读者我要写书评

暂无评论

基于数据挖掘的新工科教学决策模式探索

引用

计算机教育 2023年第2期 87-91页

作者：谭云秦姣华向旭宇中南林业科技大学计算机与信息工程学院湖南长沙410004

针对新工科人才培养的目标和特点,为了解决现有教学决策过于依赖经验和直觉的问题,提高课前教学设计决策的科学性和课后教学评价决策的客观性,提出基于数据挖掘的新工科教学决策模式,构建课程知识点、教学方法、教学质量等相关数据库,... 详细信息

针对新工科人才培养的目标和特点,为了解决现有教学决策过于依赖经验和直觉的问题,提高课前教学设计决策的科学性和课后教学评价决策的客观性,提出基于数据挖掘的新工科教学决策模式,构建课程知识点、教学方法、教学质量等相关数据库,挖掘数据之间的潜在关联关系,以微机原理与接口技术课程为案例,介绍实践探索过程和效果。

关键词：新工科数据挖掘教学决策

来源：评论

学校读者我要写书评

暂无评论

基于粒子群算法的满载需求可拆分车辆路径规划

引用

控制与决策 2021年第6期36卷 1397-1406页

作者：卿东升邓巧玲李建军刘帅刘鑫曾素平中南林业科技大学生命科学与技术学院长沙410000 湖南应用技术学院信息工程学院湖南常德415000 中南林业科技大学计算机与信息工程学院长沙410000 中南林业科技大学林学院长沙410000

为了更加合理地规划车辆配送路径,尽可能使用最少的车辆数和最短路径长度来完成整个客户点的配送任务,提出一种基于粒子群算法的满载需求可拆分车辆路径(F-SDVRP)规划策略,在配送过程中通过确保任何一辆满载的配送车辆从配送点出发后均... 详细信息

为了更加合理地规划车辆配送路径,尽可能使用最少的车辆数和最短路径长度来完成整个客户点的配送任务,提出一种基于粒子群算法的满载需求可拆分车辆路径(F-SDVRP)规划策略,在配送过程中通过确保任何一辆满载的配送车辆从配送点出发后均以"最优"的配送路径进行配送来达到配送的总路径"最优"要求,并通过粒子群算法不断优化整个客户点的配送顺序.仿真结果表明,在求解相关客户点配送问题时,所提出的车辆规划策略得到的结果优于对比文献中的求解方法,在配送车辆数相同的情况下,最大的路径长度减少率达到8.21%.此外,各算例的仿真结果表明,所提出的策略的寻优结果稳定,粒子群算法可以解决满载需求可拆分车辆路径规划问题.

关键词：需求可拆分车辆路径规划粒子群算法智能优化算法配送路径满载

来源：评论

学校读者我要写书评

暂无评论

车联网环境下基于强化学习的边缘服务器部署策略

引用

计算机集成制造系统 2022年第10期28卷 3146-3155页

作者：严翰致许小龙代飞齐连永窦万春李彤南京信息工程大学计算机与软件学院江苏南京210044 西南林业大学大数据与智能工程学院云南昆明650224 曲阜师范大学信息科学与工程学院山东日照276825 南京大学计算机软件新技术国家重点实验室江苏南京210023 云南农业大学大数据学院云南昆明650201

鉴于现有的边缘服务器部署策略主要用于改善5G、无线城域网等场景下的服务性能,无法直接用于车联网服务部署,提出一种边云协同的5G车联网边缘计算系统模型,针对该系统模型设计了基于强化学习的边缘服务器部署策略,其以负载优化为核心目... 详细信息

鉴于现有的边缘服务器部署策略主要用于改善5G、无线城域网等场景下的服务性能,无法直接用于车联网服务部署,提出一种边云协同的5G车联网边缘计算系统模型,针对该系统模型设计了基于强化学习的边缘服务器部署策略,其以负载优化为核心目标,在保证低延迟和低能耗前提下实现边缘服务器间的负载均衡。根据路边单元位置信息用Canopy聚类获取初始的聚簇数,用模糊C均值聚类获取路边单元的初始划分,并输出路边单元归属优先级矩阵;通过强化学习获得路边单元归属的最优状态并计算聚簇中心作为边缘服务器部署位置。通过对比实验验证了该策略在低服务延迟和低能耗下,能够高度实现边缘服务器间的负载均衡,表明该策略具有优越性。

关键词：边缘计算负载均衡模糊C均值强化学习

来源：评论

学校读者我要写书评

暂无评论

一种频率域相关性分布式扩散最小均方算法

引用

计算机工程 2022年第5期48卷 215-221页

作者：陈凰陈睿邝祝芳黄华军中南林业科技大学计算机与信息工程学院长沙410004 湖南财政经济学院信息技术与管理学院长沙410205

以均方误差为代价函数的最小均方(LMS)自适应滤波算法具有结构简单、易于实现、计算复杂度低、稳定性好等优点,然而在对未知系统的脉冲响应进行估计时,传统的分布式扩散最小均方(DLMS)算法易受到噪声的干扰,从而降低估计精度。针对该问... 详细信息

以均方误差为代价函数的最小均方(LMS)自适应滤波算法具有结构简单、易于实现、计算复杂度低、稳定性好等优点,然而在对未知系统的脉冲响应进行估计时,传统的分布式扩散最小均方(DLMS)算法易受到噪声的干扰,从而降低估计精度。针对该问题,提出一种频率域相关性分布式扩散最小均方(FCDLMS)算法。利用不相关信号的相关函数值趋近于零的性质,在DLMS算法基础上分别将输入信号的自相关函数以及输入和期望信号的互相关函数作为新的观测数据,消除噪声干扰,从而给出相关性DLMS(CDLMS)算法,并将算法扩展至频率域,在频率域中使用乘法运算而非卷积运算来更新抽头系数,减少计算复杂度。实验结果表明,与传统DLMS算法相比,频率域相关性分布式扩散最小均方算法在噪声环境下对分布式自适应网络中的未知系统脉冲响应具有更好的估计结果,算法性能更优,同时也能较好地适应多抽头数、多节点数、强噪声的复杂环境。

关键词：自适应网络相关函数分布式估计扩散最小均方噪声干扰

来源：评论

学校读者我要写书评

暂无评论

基于自注意力机制时频谱同源特征融合的鸟鸣声分类

引用

计算机应用 2022年第4期42卷 1260-1268页

作者：刘志华陈文洁陈爱斌中南林业科技大学计算机与信息工程学院长沙410004 中南林业科技大学人工智能应用研究所长沙410004

目前深度学习模型大都难以应对复杂背景噪声下的鸟鸣声分类问题。考虑到鸟鸣声具有时域连续性、频域高低性特点,提出了一种利用同源谱图特征进行融合的模型用于复杂背景噪声下的鸟鸣声分类。首先,使用卷积神经网络(CNN)提取鸟鸣声梅尔... 详细信息

目前深度学习模型大都难以应对复杂背景噪声下的鸟鸣声分类问题。考虑到鸟鸣声具有时域连续性、频域高低性特点,提出了一种利用同源谱图特征进行融合的模型用于复杂背景噪声下的鸟鸣声分类。首先,使用卷积神经网络(CNN)提取鸟鸣声梅尔时频谱特征;然后,使用特定的卷积以及下采样操作,将同一梅尔时频谱特征的时域和频域维度分别压缩至1,得到仅包含鸟鸣声高低特性的频域特征以及连续特性的时域特征。基于上述提取频域以及时域特征的操作,在时域和频域维度上同时对梅尔时频谱特征进行提取,得到具有连续性以及高低特性的时频域特征。然后,将自注意力机制分别用于得到的时域、频域、时频域特征以加强其各自拥有的特性。最后,将这三类同源谱图特征决策融合后的结果用于鸟鸣声分类。所提模型用于Xeno-canto网站的8种鸟类音频分类,并在分类对比实验中取得了平均精确率(MAP)为0.939的较好结果。实验结果表明该模型能应对复杂背景噪声下的鸟鸣声分类效果较差的问题。

关键词：深度学习鸟鸣声分类卷积神经网络自注意力机制同源谱图特征融合

来源：评论

学校读者我要写书评

暂无评论

面向不平衡数据的联邦类别增量学习

引用

小型微型计算机系统 2024年

作者：方子希付晓东丁家满刘骊彭玮代飞昆明理工大学信息工程与自动化学院昆明理工大学云南省计算机技术应用重点实验室西南林业大学大数据与智能工程学院

联邦增量学习作为一种新兴学习范式，在保护用户隐私的同时利用数据孤岛的知识，有效缓解了由于存储空间有限而导致的灾难性遗忘问题.但现有的联邦增量学习研究忽略了用户数据不平衡对造成全局模型灾难性遗忘及精度降低的影响.针对此问... 详细信息

联邦增量学习作为一种新兴学习范式，在保护用户隐私的同时利用数据孤岛的知识，有效缓解了由于存储空间有限而导致的灾难性遗忘问题.但现有的联邦增量学习研究忽略了用户数据不平衡对造成全局模型灾难性遗忘及精度降低的影响.针对此问题，该文提出了一种基于条件生成对抗网络的无数据存储重放再训练方法（ARR）.具体来说，用户模型训练分为两个阶段：第1阶段结合条件生成对抗网络生成模拟的历史任务数据和当前任务数据共同训练本地模型；第2阶段则冻结特征提取层，采用平衡采样技术对其他层进行再训练.服务器通过利用条件生成对抗网络生成的所有用户任务数据来优化全局模型.实验结果显示，ARR在不平衡程度逐渐加剧的情况下，全局模型准确率相较于现有的相关方法提高了8.64%～31.03%，有效缓解了灾难性遗忘问题，显著提高了全局模型的最终精度.

关键词：联邦增量学习不平衡数据条件生成对抗网络灾难性遗忘二次训练

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络和注意力机制的图像检索

引用

电讯技术 2021年第3期61卷 304-310页

作者：秦姣华黄家华向旭宇谭云中南林业科技大学计算机与信息工程学院长沙410004

当前先进的图像检索方法中,存在着不能很好地分辨图像中不同区域和内容的重要性的问题,导致计算资源分配不合理、检索正确率较低等一系列结果。为了解决这些问题,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)和注意... 详细信息

当前先进的图像检索方法中,存在着不能很好地分辨图像中不同区域和内容的重要性的问题,导致计算资源分配不合理、检索正确率较低等一系列结果。为了解决这些问题,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)和注意力机制的图像检索方法。首先使用卷积神经网络提取特征,然后使用注意力机制处理提取的特征,可以在计算能力有限的情况下根据图像中的内容合理分配计算资源,使图像中的突出部分得到更多的关注。最后通过融合全局平均池化层处理后的CNN特征来进行图像检索。所提方法在corel1k、corel5k和corel10k三个数据集上与其他先进的图像检索方法进行了比较,结果表明该方法能够有效提高图像检索的精确率和召回率,并且在检索返回的前k张图像的数量(top-k)增加时,仍能保持良好且稳定的检索精确率。

关键词：图像检索卷积神经网络注意力机制特征融合

来源：评论

学校读者我要写书评

暂无评论

湖南农业产业融合评价与对策

引用

农村经济与科技 2023年第23期34卷 83-85页

作者：刘国祥中南林业科技大学计算机与信息工程学院湖南长沙410004 湖南交通工程学院电气与信息工程学院湖南衡阳421001

农业产业融合不仅是我国城乡一体化发展过程中的重要组成部分,同时也是实现农民增收的重要手段,对促进我国实现农业现代化具有重要作用。湖南作为全国农业大省、重要农产品供给基地,近年来,湖南省的农业产业融合取得了一定成效,湖南农... 详细信息

农业产业融合不仅是我国城乡一体化发展过程中的重要组成部分,同时也是实现农民增收的重要手段,对促进我国实现农业现代化具有重要作用。湖南作为全国农业大省、重要农产品供给基地,近年来,湖南省的农业产业融合取得了一定成效,湖南农业产业种类增多、农业生产综合能力不断提高、农业产业融合模式不断创新,但仍然面临着来自区域发展不协调、农业产业链的中小企业仍然较为薄弱、农业产业缺乏自主创新能力三方面的挑战,对此,可从加大政策支持力度、推动农业产业链协同发展、加强农民培训和技能培训三方面着力,促进湖南省农业产业融合发展。

关键词：农业产业融合湖南产业融合

来源：评论

学校读者我要写书评

暂无评论

新农科背景下林业类高校人工智能专业建设研究

引用

新教育时代电子杂志（教师版） 2022年第20期 149-151页

作者：易积政陈爱斌周国雄中南林业科技大学计算机与信息工程学院湖南长沙 410004 中南林业科技大学计算机与信息工程学院湖南长沙 410004 中南林业科技大学计算机与信息工程学院湖南长沙 410004

针对新农科背景下林业类高校人工智能专业建设问题，从新农科专业建设与融合、林业类高校学生就业两方面重点分析林业类高校开设人工智能专业的必要性，从师资力量、生源情况、培养方案，阐述其可行性;并预想毕业生就业及升学前景，提... 详细信息

针对新农科背景下林业类高校人工智能专业建设问题，从新农科专业建设与融合、林业类高校学生就业两方面重点分析林业类高校开设人工智能专业的必要性，从师资力量、生源情况、培养方案，阐述其可行性;并预想毕业生就业及升学前景，提出了未来十五年的预期发展规划。

关键词：新农科林业类高校人工智能本科

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：